MULTIDIMENSIONAL SCALING (MDS)

Analisis Multidimensional scaling merupakan salah satu bentuk eksplorasi

data untuk memetakan atau mencari konfigurasi dari sejumlah obyek dalam
ruang dimensi rendah berdasarkan ukuran kedekatan antar obyek yang diteliti

MDS (perceptual mapping atau spatial mapping ) adalah sebuah

metode yang dapat membantu peneliti untuk menentukan gambaran
dari sekumpulan obyek (perusahaan, produk, ide atau berbagai hal
lainnya yang biasanya dikaitkan dengan persepsi).
Kegunaan MDS adalah mentransformasi tanggapan responden melalui
kemiripan atau preferensinya objek (contoh, preferensi untuk toko atau merk)
ke dalam jarak yang direpresentasikan pada ruang multidimensi. Jika obyek A
dan B dipandang oleh konsumen sebagai obyek yang mirip satu sama lain
dibanding pasangan obyek-obyek yang lain, MDS akan menempatkan A dan B
pada jarak yang lebih dekat dibanding jarak pasangan obyek-obyek lainnya
dalam ruang multidimensi.
Istilah yang berkaitan dengan MDS
a. Similarity judgments. Menilai seluruh kemungkinan pasangan data atau
stimulus lain dalam batas kemiripannya menggunakan skala Likert.
b. Preference ranking. Memperingkat data dari responden.
c. Stress. Menetapkan ketidak sesuaian model. Makin tinggi nilai stress, makin
tidak sesuai model yang dihasilkan
d. R-squared. Indeks korelasi kuadrat yang mengindikasikan proporsi varians
optimalitas data skala yang bisa diaplikasi oleh MDS. Ini ukuran kesusian
model.
e. Spatial map. Menjelaskan hubungan antar merk atau stimuli lain yang
digambarkan sebagai hubungan geometrik antar titik pada ruang
multidimensi.
f. Coordinate. Mengindikasi posisi merk atau sebuah stimuli dalam peta
spasial.
g. Unfolding. Representasi dari merk dan responden dalam ruang yang sama.
Kemiripan / kedekatan objek

d ij =

Ketidak sesuaian

Stress =

Stress (%) Goodness of Fit

20 : Poor
10 : Fair
5 : Good
2,5 : Excellent
0 : Perfect
 “SPSSing” MDS
• In the SPSS Data Editor window, click: Analyze > Scale >
Multidimensional Scaling
• Select four or more Variables that you want to test.
• You may select a single variable for the Individual Matrices for window
(depending on the distances option selected).
• If Data are distances (e.g. cities distances) option is selected, click on
the Shape button to define characteristic of the dissimilarities/proximity
matrices.

• If Create distance from data is

selected, click on the Measure button to
control the computation of dissimilarities,
to transform values, and to compute
distances.
• In the Multidimensional Scaling dialog box, click on the Model button to
control the level of measurement, conditionality, dimensions, and the scaling
model.

• Click on the Options button to control the display

options, iteration criteria, and treatment of missing values.